LikeSNU는 서울대 중앙도서관이 체계적으로 수집/분석한
서울대 구성원의 지식 빅데이터(도서 대출, 논문, 학사, 강의, 수업 계획서) 기반 지식정보 플랫폼 입니다.
최근 확인한 콘텐츠
데이터가 존재하지 않습니다.
데이터가 존재하지 않습니다.
협동과정 인공지능전공
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용 (MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.
loading...
공과대학 협동과정 인공지능전공 / 대학원
권장 선수과목 소셜컴퓨팅(M3309.002800) , 영어논문작성법: 이공계열(M2480.001500)
강화학습은 자율 에이전트가 환경과의 상호작용을 통한 학습을 기반으로 하는 머신러닝의 한 연구분야이다. 이 수업에서는 우선 전통적인 강화학습 내용 (MDP, Value function, Policy gradient, UCB, exploration vs exploitation)을 다룬다. 그리고 최신 연구분야인 deep reinforcement learning을 다루기 위해 multi-layer perceptron, convolutional neural network, recurrent neural network 등의 deep learning에 관한 전반적인 내용들을 학습하고 나아가 raw input의 value function approximator를 이용한 강화학습에 대해 학습한다.
Average case analysis of algorithms on sequences
Average case analysis of algorithms on sequences
Iterative learning control for deterministic systems
Iterative learning control for deterministic systems
Design and analysis of analog filters : a signal processing perspective
Design and analysis of analog filters : a signal processing perspective
TCPIP : running a successful network
TCPIP : running a successful network
Markov chains : models, algorithms and applications
Markov chains : models, algorithms and applications
Controller area network : basics, protocols, chips and applications
Controller area network : basics, protocols, chips and applications
러닝 SQL
러닝 SQLNine algorithms that changed the future : the ingenious ideas that drive today's computers
Nine algorithms that changed the future : the ingenious ideas that drive today's computers
Foundations of object-oriented languages : REX SchoolWorkshop, Noordwijkerhout, the Netherlands, May 28-June 1, 1990 : proceedings
Foundations of object-oriented languages : REX SchoolWorkshop, Noordwijkerhout, the Netherlands, May 28-June 1, 1990 : proceedingsComputer science : a first course
Computer science : a first course
Applied and algorithmic graph theory
Applied and algorithmic graph theory
TCPIP clearly explained
TCPIP clearly explained
Computational cryptography : algorithmic aspects of cryptology
Computational cryptography : algorithmic aspects of cryptology
FPGA design 이론 및 실습
FPGA design 이론 및 실습
Concurrent zero-knowledge
Concurrent zero-knowledge
파이썬답게 코딩하기 : 프로그래밍 언어의 개념과 흐름에 대한 고찰
파이썬답게 코딩하기 : 프로그래밍 언어의 개념과 흐름에 대한 고찰
On Architecting Fully Homomorphic Encryption-Based Computing Systems
On Architecting Fully Homomorphic Encryption-Based Computing Systems
Programming models for parallel computing
Programming models for parallel computing
Application and theory of Petri nets, 1995 : 16th international conference, Turin, Italy, June 26-30, 1995 : proceedings
Application and theory of Petri nets, 1995 : 16th international conference, Turin, Italy, June 26-30, 1995 : proceedingsNuclear Engineering and Technology
Oluwasegun A.,Jung J.C.57TH ANNUAL MEETING OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS (ACL 2019)
Sahu, Sunil Kumar; Christopoulou, Fenia; Miwa, Makoto; Ananiadou, SophiaIEEE Transactions on Wireless Communications
Kurka D.B.,Gunduz D.IEEE Access
Lim S.,Mun H.W.,Han D.G.Journal of Physics: Conference Series
M G De Giorgi; T Donateo; A Ficarella; N Menga; L Spada Chiodo; L StrafellaIEEE Internet of Things Journal
He Y.,Liu Y.,Jiang C.,Zhong X.IEEE Transactions on Power Systems
Cheng L.,Zang H.,Xu Y.,Wei Z.,Sun G.Natural Computing: An International Journal
Kreowski, Hans-Jörg; Lye, AaronKnowledge-Based Systems
Jiang S.,Feng J.,Wang C.,Liu J.,Xiong Z.,Sha C.,Zheng W.,Liang J.,Xiao Y.Neural Computing and Applications
Lent R.IEEE Internet of Things Journal
Zhang Q.,Ansari N.,Zhu Z.Wireless Personal Communications: An International Journal
Farahani, Marjan; Ghaffarpour Rahbar, AkbarIEEE Transactions on Image Processing
Zhu X.,Song J.,Gao L.,Gu X.,Shen H.T.Frontiers of Computer Science
Reddy, B. Swaroopa; Reddy, T. Uday KiranComputers, Materials and Continua
Arshid K.,Zhang J.,Yaqub M.,Awan M.D.,Ijaz H.,Chuhan I.S.Neurocomputing
Zheng W.,Gou C.,Wang F.Y.SCIENCE CHINA Information Sciences
Zhou, Xuanhan; Xiong, Jun; Zhao, Haitao; Liu, Xiaoran; Ren, Baoquan; Zhang, Xiaochen; Wei, Jibo; Yin, HaoIEEE Internet of Things Journal
Zhenqiang Sun; Fei Qi; Lei Liu; Yanxia Xing; Weiliang XieENGINEERING REPORTS
Botta, Marco; Cavagnino, DavideIEEE Transactions on Network Science and Engineering
Wu B.,Shen H.,Chen K.데이터가 존재하지 않습니다.
전선 / 대학원
본 수업은 조경 융복합 연구세미나 1의 후속 과목이다. 본 수업에서는 조경학 전공 내 자연과학, 공학, 인문사회 등 다양한 분야의 연구를 수행하고 있는 대학원생들이 각 분야별 연구 특성과 연구 방법론적 강점을 공유한 후, 현재 대두되고 있는 공간/환경문제를 찾아 분석, 계획, 조성 및 관리 기법을 적용한 융복합 연구를 수행한다. 강의 초반에는 각 분야에서 수행되고 있는 대표적 연구방법론을 간략히 소개한 후, 학생들이 참신한 융복합 주제를 찾을 수 있도록 가이드라인을 제시한다. 강의 후반부터 조별로 연구를 진행하며, 연구 진행상황을 확인하고, 저널에 투고할 원고를 마무리하는 것을 최종 목표로 한다.전선 / 대학원
기존의 클라우드 의존적 AI 컴퓨팅이 사용자 프라이버시, 네트워크 과부하, 인터넷 단절에 대한 취약성 등 다양한 이슈를 야기함에 따라 최근 AI 컴퓨팅을 클라우드 뿐만 아니라 사용자 근처의 소형/저비용 엣지 컴퓨터에서도 수행하려는 흐름이 전개되며 앰비언트 인공지능이라는 개념이 탄생했다. 본 강좌는 최신 논문 분석, 구현 실습 및 그룹 프로젝트를 통해 앰비언트 인공지능을 위한 핵심 기술과 플랫폼을 익히고 응용하는 것을 목표로 한다. (1) 앰비언트 인공지능 기술: 모델 경량화, 신호처리와 딥러닝 모델의 하이브리드 운용, 클라우드-엣지 통합 운용, 연합 학습, 메타 학습 (2) 앰비언트 인공지능 플랫폼: TensorFlow, TensorFlow Lite, Coral AI, Jetson Nano (3) 앰비언트 인공지능 응용: 혼합현실, CCTV 자체 분석 등전선 / 대학원
본 과목에서는 특히 거대한 계산 혹은 병렬계산에서 계산의 효율성을 높이고 병목현상을 줄이기 위하여 과학적 프로그래밍 코딩에 사용되는 거대한 자료구조에 대하여 배운다. Array, recursion, sorting, pointer, stack and queue, link, graph, path, tree구조 등 자료구조의 기본을 배우고 이들의 구조를 이용하여 효율적인 알고리즘을 작성하도록 한다.전선 / 대학원
최근 치의학을 비롯한 다양한 분야에 통계 및 기계학습 분석이 활발히 진행되고 있으며 연구에 기본적인 분석을 위해서 기계학습 및 통계 방법의 활용이 다양한 분야에서 적용되고 있다. 이를 위해서 여러 프로그래밍 언어의 기본을 설명하고 이를 바탕으로 다양한 통계 및 기계학습 분석을 코드 기반으로 수행할 수 있는 역량을 기른다. 그리고 다양한 데이터를 예시로 프로그래밍을 활용해 생성한 분석 방법을 일관성 있게 코드화하고 자신만의 분석 방법을 정립할 수 있도록 한다.전선 / 대학원
분자 수준 (DNA, RNA, proteins, epigenome) 생물정보 데이터 분석에 사용된 기계학습 기법을 구체적 문제와 함께 학습하는 과목이다. 생물정보학에 거의 모든 기계학습 기법이 사용 되고 있는데, 본 과목에서 다루는 기법은 dynamic programming, ML, MAP, (generalized) hidden Markov model (HMM), Gibbs sampling, Dirichlet mixture, expectation maximization, (graph) convolutional neural network, (graph) embedding, (Baysian) autoencoder 등이다.전선 / 학사
본 과목에서는 5G 및 6G와 같은 고급 이동통신 시스템의 개요, 주요 기능 및 핵심 요소기술들을 소개한다. 통신 관련 기초교과목들을 통해서 학습한 기본적인 이동 및 무선통신 기술 및 원리를 심화 발전시켜 다중안테나 (MIMO) 통신, 빔포밍 (beamforming), 밀리미터파 통신 (mm-wave communication), 다중접속기술 등과 같은 고급 이동통신 시스템의 핵심 기술들을 학습함으로써, 고급 이동통신 시스템의 설계 및 동작에 대한 이해를 넓힌다. 또한, 핵심 기술들의 동작 원리를 보다 체감적으로 이해할 수 있도록, 핵심 요소기술에 대한 링크 레벨 시뮬레이션 등과 같은 프로젝트를 진행한다. 프로젝트 진행 과정에 관하여 설명하는 결과 보고서 및 시뮬레이션 프로젝트 결과를 설명하는 구두 발표를 포함한다.전선 / 학사
산업공학과 경영과학에 필요한 수리적 이론과 과학계산 기법을 제공하는 것을 목적으로 하며 구체적인 내용은 행렬계산, 미분방정식, 푸리에 변환, MCMC 등을 기본적인 방법론으로 하여 산업공학에서 제기되는 다양한 수학적, 계산적 문제들을 MATLAB 또는 R 프로그래밍을 사용하여 분석하는 능력의 배양에 초점을 맞춘다.전선 / 학사
이 과목의 목적은 인공지능의 한 분야인 기계학습을 재무 연구에 활용하도록 하는 데 있다. 세부적으로는 의사결정나무, 인공신경망 등의 여러 기계학습 개념을 이해하는 것으로 시작하여 재무 연구의 실제 활용 사례들을 살펴본다.전선 / 학사
디지털회로, 논리회로, microprocessor 및 microcomputer 등의 기본 개념 및 작동원리를 이해하고, 실습을 통하여 농업공학 분야의 전자제어, 자동화 및 지능화 문제 해결에 필요한 mechatronics 지식을 습득하고 또한 실제로 응용하는 공학적 능력을 배양함을 목표로 한다.전선 / 학사
본 강의는 전통적인 군사 및 경제안보에 대한 이론적, 실질적 접근과 함께 자원, 환경, 문화 등 현대적 의미의 새로운 안보개념에 대한 소개를 병행하고자 한다.전선 / 학사
본 교과목은 통계학습, 기계학습의 기초 이론과 주요 방법론을 소개하고, 컴퓨터 실습을 통해 건설환경공학의 다양한 분야에 이를 실제로 적용하는 능력을 갖추는 것을 목표로 한다. 주요 내용으로는 선형/비선형 회귀분석, 선형/비선형 분류법, 교차검증, 비지도학습, 강화학습, 선형/비선형 필터 등이 있다. '전선 / 학사
전선 / 대학원
스마트폰, 사물인터넷, 웨어러블, AR/VR 기기등 컨슈머 디바이스의 발전과, 클라우드/에지 컴퓨팅 등 백앤드 컴퓨팅 기술의 발전으로, 컴퓨팅 서비스의 영역이 다양한 산업 분야와 사람들 삶속으로 빠르게 확장되고 있다. 이로 인해 마크 와이저가 제안한 유비쿼터스 컴퓨팅 비전의 실현이 한층 눈앞에 다가오게 되었다. 모바일 컴퓨팅 시스템은 유비쿼터스 컴퓨팅을 실현하는 첫 단계로서, 기존의 컴퓨팅 시스템과는 매우 다른 특성을 지닌다. 많은 경우, 모바일 컴퓨팅 시스템은 물리 공간에 분산되어 사용자 및 환경을 관찰하는 이기종의 센싱 장치, 이를 처리, 분석하기 위한 다계층의 분산 추론 시스템, 추론을 기반으로 자동화된 피드백을 주기위한 엑추에이터등 복잡한 시스템 요소가 유기적으로 엮어 동작하게 된다. 또한 시스템의 높은 사용성을 위해서, 사용자와 상황의 다양성을 고려한 고도로 개인화된 적응형 서비스 인터페이스의 설계가 필수적이다. 본 과목에서는, 스마트폰, 사물인터넷, 웨어러블, AR/VR 기기를 위한 소프트웨어 시스템, 센서 데이터 분석 및 추론을 위한 분산 기계 학습 기법, 효율적 모바일 서비스 구현을 위한 분산 시스템 구조, 새로운 사용자 인터페이스 및 응용 설계 등, 성공적인 모바일 컴퓨팅 시스템의 디자인 및 개발을 위해 필요한 핵심 기술을 살펴보고, 이를 적용 발전시킬 수 있는 능력을 키우고자 한다.전선 / 대학원
본 교과목은 고급데이터마이닝 방법론(326.637) 과목에 이어 심층학습모형에 중점을 둔다. 교육 목표는 심층학습(deep learning)의 방법들을 공부하고 관련된 통계적 문제를 찾아내는 것이다. 다루는 내용은 다음과 같다. 심층학습 이전의 특징 추출 및 판별 분석 기법, 기계학습에서 사용되는 이론적인 도구들, 인공신경망의 기초, 다층 퍼셉트론, 역전파, 합성곱 신경망, 최적화와 정칙화, 가시화, 파이톤과 심층학습 프레임워크, 순환 신경망, 변분적 추론, 적대적 생성 네트워크, 영상 분할 및 검출, 자연어 처리 등이다.전선 / 학사
본 과정에서는 인공지능에 대한 개요 및 deep learning에 대해 이해하며 TensorFlow 개념 및 기초 programming 실습을 진행한다. 그리고 Deep Learning 기반 Object Detection 방법과 무인점포 개발 응용을 위한 학습 trainset 자동 생성 방법을 실습을 통해 익힌다. 또한 AI Chip이 내장된 NPU 가속기 Board와 nVidia Jetson TX2 Board를 이용하여 YOLO V3 Object Detection 실습을 진행한다. 마지막으로 nVidia CUDA를 이용한 GPU Programming 개념 및 병렬 Programming 실습을 통해 GPU 구조에 대해 배운다.